| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第13-22页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-20页 |
| 1.2.1 测试用例随机生成技术研究 | 第14页 |
| 1.2.2 基于约束求解的测试用例生成技术研究 | 第14-15页 |
| 1.2.3 基于搜索的测试用例生成技术研究 | 第15-16页 |
| 1.2.4 基于多目标优化的测试用例生成技术研究 | 第16-18页 |
| 1.2.5 局部搜索优化研究 | 第18-20页 |
| 1.3 研究中存在的问题 | 第20页 |
| 1.4 主要研究内容与论文组织结构 | 第20-22页 |
| 1.4.1 主要研究内容 | 第20-21页 |
| 1.4.2 论文组织结构 | 第21-22页 |
| 第2章 相关技术及概念 | 第22-40页 |
| 2.1 测试用例进化生成 | 第22-27页 |
| 2.1.1 问题的转化 | 第22-24页 |
| 2.1.2 遗传算法基本原理 | 第24-26页 |
| 2.1.3 基于遗传算法的测试数据生成 | 第26-27页 |
| 2.2 测试工具EvoSuite概述 | 第27-36页 |
| 2.2.1 EvoSuite总体框架 | 第27-28页 |
| 2.2.2 搜索操作 | 第28-30页 |
| 2.2.3 染色体(Chromosome)设计方案 | 第30-32页 |
| 2.2.4 基于集合的数学模型 | 第32-33页 |
| 2.2.5 适应度函数 | 第33-34页 |
| 2.2.6 程序插桩 | 第34-35页 |
| 2.2.7 算法流程 | 第35-36页 |
| 2.3 多目标优化重要概念 | 第36-37页 |
| 2.3.1 多目标优化问题的数学定义 | 第36页 |
| 2.3.2 Pareto解的概念 | 第36-37页 |
| 2.4 非支配排序遗传算法(NSGA-Ⅱ) | 第37-38页 |
| 2.5 改进强度Pareto算法(SPEA2) | 第38页 |
| 2.6 本章小结 | 第38-40页 |
| 第3章 多目标优化研究 | 第40-52页 |
| 3.1 多目标优化数学模型 | 第40-42页 |
| 3.1.1 数学模型 | 第40-41页 |
| 3.1.2 支配与偏好关系定义 | 第41-42页 |
| 3.2 适应度函数设计 | 第42-44页 |
| 3.2.1 关键分支 | 第42-43页 |
| 3.2.2 层接近度 | 第43页 |
| 3.2.3 适应度函数 | 第43-44页 |
| 3.3 PMOGA算法 | 第44-51页 |
| 3.3.1 锦标赛选择策略 | 第44-45页 |
| 3.3.2 更新策略 | 第45-46页 |
| 3.3.3 改进的快速非支配排序策略 | 第46-47页 |
| 3.3.4 拥挤度距离 | 第47-49页 |
| 3.3.5 精英保留策略 | 第49页 |
| 3.3.6 PMOGA算法主流程 | 第49-51页 |
| 3.4 本章小结 | 第51-52页 |
| 第4章 局部搜索优化 | 第52-58页 |
| 4.1 局部搜索策略 | 第52-54页 |
| 4.1.1 爬山法 | 第52-53页 |
| 4.1.2 对基本类型局部搜索 | 第53页 |
| 4.1.3 字符串局部搜索 | 第53-54页 |
| 4.2 使用策略 | 第54-57页 |
| 4.3 本章小结 | 第57-58页 |
| 第5章 实验与分析 | 第58-65页 |
| 5.1 实验设计 | 第58-64页 |
| 5.1.1 实验对象 | 第58页 |
| 5.1.2 评价标准 | 第58-59页 |
| 5.1.3 实验设计 | 第59-60页 |
| 5.1.4 实验分析 | 第60-64页 |
| 5.2 本章小结 | 第64-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 致谢 | 第72-73页 |
| 附录A 攻读学位期间主要参与项目 | 第73页 |